**오픈AI(OpenAI)**가 GPT-5.6 제품군을 정식 출시하며, 라인업을 고급형 ‘솔(Sol)’과 중가형 ‘테라(Terra)’로 이원화했다. 두 모델은 설계 철학부터 목표 워크로드까지 애초에 다른 방향을 지향한다.
핵심 포인트:
- 솔은 입력 100만 토큰당 5달러, 출력 100만 토큰당 30달러로, 테라 대비 정확히 두 배 가격이다.
- 솔은 코딩·에이전트 관련 주요 벤치마크에서 앞서고, 테라는 일상적 작업을 저렴하게 처리하는 데 초점을 맞춘다.
- 초기 테스트에선 장시간 작업 시 테라가 솔보다 더 많은 출력 토큰을 소모하는 경우가 관측됐다.
GPT-5.6 솔과 테라, 가격 구조부터 갈린다
오픈AI는 7월 9일 공식 발표를 통해 GPT-5.6의 ChatGPT·코덱스(Codex)·API 적용을 공개했다. 약 2주간의 제한적 프리뷰를 종료하고 일반 이용자에게 개방한 것이다. 플래그십 모델인 솔은 복잡한 코딩, 사이버보안, 장시간 에이전트 작업을 겨냥했으며, 회사는 이를 “지금까지 만든 최고의 코딩 모델”이라고 소개한다. 테라는 그보다 한 단계 아래 티어로, GPT-5.5와 견줄 만한 성능을 유지하면서 비용은 절반 수준으로 낮춘 포지션이다.
두 모델의 가장 뚜렷한 차별점은 역시 가격이다. 솔은 입력 100만 토큰당 5달러, 출력 100만 토큰당 30달러에 책정된 반면, 테라는 동일 기준으로 2.5달러와 15달러를 받는다. 여기에 대량 처리용 세 번째 모델 ‘루나(Luna)’가 입력 100만 토큰당 1달러, 출력 100만 토큰당 6달러로 추가됐다.
ChatGPT 내 접근 구조도 비슷한 구도를 따른다. 유료 구독자는 ‘중간’ 이상 추론 모드를 통해 솔에 접근할 수 있고, 무료 및 Go 이용자는 ChatGPT Work와 코덱스에서 기본적으로 테라를 쓰게 된다. **깃허브(GitHub)**는 이미 코파일럿(Copilot)에 세 모델을 모두 추가했으며, 대규모 코드베이스 논리 추론용으로 솔을, 일상적인 에이전트형 코딩에는 테라를 기본값으로 제시하고 있다.
관련 기사: 찰스 호스킨슨, 카르다노 떠나나? “완전한 허위” 일축
코딩 벤치마크에선 솔이 테라를 크게 앞서
솔은 Artificial Analysis Coding Agent Index에서 80점을 기록했다. 오픈AI에 따르면 이는 **앤트로픽(Anthropic)**의 ‘클로드 페이블 5(Claude Fable 5)’보다 2.8포인트 높은 수준이다. 샘 올트먼(Sam Altman) 최고경영자(CEO)는 이 모델이 자사 이전 세대 대비 코딩 작업에서 토큰 효율이 54% 개선됐다고 밝히며, 기업 고객의 예산·비용 구조를 정면 겨냥한 메시지를 던졌다.
다만 모든 지표에서 일관되게 우세한 것은 아니다. 솔의 SWE-Bench Pro 점수 64.6%는 여전히 클로드 미토스 5(Claude Mythos 5)에 약 15포인트 뒤처진다. 그럼에도 독립 리뷰어들은 테스트 결과, 솔이 장시간·복잡한 리포지토리 작업에서도 맥락을 놓치지 않고 끝까지 따라붙는 반면, 테라는 범위가 명확한 구현 작업이나 1차 코드 리뷰에 적합하며, 난이도가 높아질 경우 솔로 에스컬레이션하는 구조가 효율적이라고 평가했다.
같은 벤치마크는 비용 민감한 팀을 향한 경고도 던졌다. 장시간 코딩 러닝에서 테라가 솔보다 더 많은 출력 토큰을 소모하는 사례가 확인된 것이다. 즉, 단순한 단가 기준으로는 테라가 저렴하지만, 실제 완결된 작업 단위 기준 ‘총비용’에서는 솔이 더 유리할 수도 있으며, 대규모 트래픽을 옮기기 전 각 팀이 ‘작업당 비용’을 면밀히 측정해야 한다는 의미다.
이번 단계적 출시는 오픈AI가 최전선(프런티어) 모델을 배포하는 방식이 바뀌었음을 보여준다.
회사는 출시 전 미국 정부에 GPT-5.6 제품군의 역량을 사전 브리핑하고, 초기 접근 권한을 소수의 검증된 파트너에게만 제한했으며 이들의 참여 내역 역시 당국과 공유했다. 또한 이번 세대부터는 기존의 숫자·접미사 혼합 네이밍을 버리고, 숫자는 ‘세대’를, 솔·테라·루나는 ‘지속 가능한 역량 티어’를 뜻하는 방식으로 재편했다. 각 티어는 서로 다른 속도로 독립적으로 고도화될 수 있다는 설명이다.